2025 AI 开源热潮：Kimi K2 万亿参数 MoE 模型正式开源 — SOTA 代码生成 & 通用 Agentic 任务全方位升级，128K 上下文兼容 OpenAI API

最新推荐文章于 2025-07-15 15:18:41 发布
最新推荐文章于 2025-07-15 15:18:41 发布
阅读量5.3k 收藏 24
点赞数 22
CC 4.0 BY-SA版权
分类专栏： 猫头虎 AI 探索之路 文章标签： 人工智能 AIGC agi gpt 文心一言 AI编程 AI写作
转载必须标明来源：猫头虎技术团队， 其他疑问搜： CSDNWF
本文链接：https://blog.csdn.net/qq_44866828/article/details/149289093

2025 AI 开源热潮：Kimi K2 万亿参数 MoE 模型正式开源 — SOTA 代码生成 & 通用 Agentic 任务全方位升级，128K 上下文兼容 OpenAI/Anthropic API

猫头虎发现，前不久文心大模型 4.0 刚刚开源，紧接着Grok4 又闪亮登场，今天 Kimi 又带来重磅消息——Kimi K2 正式发布并开源！接下来，猫头虎带你一探究竟！
重磅推出 Kimi K2——一款 万亿参数 MoE 模型，集成 MuonClip 优化器、大规模 Agentic 强化学习 与 通用 Agent 任务能力，在 代码生成、数学推理、工具调用 等多项基准测试中刷新 SOTA 记录
本文聚焦 2025 AI 开源热潮，重磅推出 Kimi K2——一款 万亿参数 MoE 模型，集成 MuonClip 优化器、大规模 Agentic 强化学习 与 通用 Agent 任务能力，在 代码生成、数学推理、工具调用 等多项基准测试中刷新 SOTA 记录。Kimi K2 支持 128K 上下文，兼容 OpenAI API 与 Anthropic API 格式，轻松接入各大 Agent 框架（owl、Cline、RooCode 等），为 AGI 研究 与 行业落地 提供强大驱动力。立即通过 Hugging Face 或 Kimi 平台 获取 Kimi-K2-Base 与 Kimi-K2-Instruct 开源模型，体验前沿 AI 编程 与 Agentic 智能 创新！

一、Kimi K2 模型概览

Kimi K2 是一款基于 MoE 架构的基础大模型，总参数量达 1 万亿，激活参数 320 亿，在代码能力和通用 Agent 任务上表现尤为出色。
在 SWE Bench Verified、Tau2、AceBench 等基准测试中，Kimi K2 均刷新开源模型 SOTA 记录，展现其在代码生成、Agentic 任务和数学推理方面的领先优势。
Kimi K2 发布

在预训练阶段，Kimi K2 使用 MuonClip 优化器，实现了万亿参数模型的稳定高效训练。在高质量人类数据稀缺的背景下，MuonClip 有效提升 Token 利用率，拓展了 Scaling 空间。
更多技术细节，可移步观看 Kimi 的技术博客。

核心技术亮点

  • MuonClip 优化器：针对大规模模型训练中的 attention logits 偏大问题，创新性地引入 MuonClip，使 15.5T Token 的训练全程无 loss spike。
  • 大规模 Agentic 数据合成：构建多领域、多工具的合成流水线，LLM 评估筛选高质量场景，用于模型训练。
  • 通用强化学习：在可验证任务（代码、数学）中采用 RL；引入自我评价机制，解决不可验证任务的奖励稀缺，提升模型泛化能力。

二、性能实测

1. 基准测试成绩

Kimi K2 在自主编程（Agentic Coding）、工具调用（Tool Use）和数学推理（Math & Reasoning）三大维度均名列前茅：

评分图

代码任务（Coding Tasks）

评测任务
Benchmark		指标
Metric		Kimi-K2-InstructDeepSeek-V3-0324Qwen3-235B-A22B
(非思考模型)		Claude Sonnet 4
(无扩展思考)		Claude Opus 4
(无扩展思考)		GPT-4.1Gemini 2.5 Flash Preview (05-20)
LiveCodeBench v6
(2024.08–2025.05)		Pass@1
一次命中率		53.746.937.048.547.444.744.7
OJBenchPass@127.124.011.315.319.619.519.5
MultiPL-EPass@185.783.178.288.689.686.785.6
SWE-bench Verified
(无 Agent)		单补丁无测试正确率
(Acc)		51.836.639.450.253.040.832.6
SWE-bench Verified
(Agentic)		单次尝试正确率
(Acc)		65.838.834.472.7*72.5*54.6—
多次尝试正确率
(Acc)		71.6—80.2*79.4*——
SWE-bench Multilingual
(Agentic)		单次尝试正确率
(Acc)		47.325.820.951.0—31.5—
TerminalBench内部框架正确率
(Acc)		30.0——35.543.28.3—
Terminus正确率
(Acc)		25.016.36.6—30.316.8
Aider-Polyglot正确率
(Acc)		60.055.161.856.470.752.444.0

工具调用任务（Tool Use Tasks）

评测任务
Benchmark		指标
Metric		Kimi-K2-InstructDeepSeek-V3-0324Qwen3-235B-A22BClaude Sonnet 4Claude Opus 4GPT-4.1Gemini 2.5
Tau2 retailAvg@4
前 4 项平均		70.669.157.075.081.874.864.3
Tau2 airlineAvg@456.539.026.555.560.054.542.5
Tau2 telecomAvg@465.832.522.145.257.038.616.9
AceBench准确率
(Acc)		76.572.770.576.275.680.174.5

数学与 STEM 任务（Math & STEM Tasks）

评测任务
Benchmark		指标
Metric		Kimi-K2-InstructDeepSeek-V3-0324Qwen3-235B-A22BClaude Sonnet 4Claude Opus 4GPT-4.1Gemini 2.5
AIME 2024Avg@64
前 64 项平均		69.659.4*40.1*43.448.246.561.3
AIME 2025Avg@6449.546.724.7*33.1*33.9*37.046.6
MATH-500准确率
(Acc)		97.494.0*91.2*94.094.492.495.4
HMMT 2025Avg@32
前 32 项平均		38.827.511.915.915.919.434.7
CNMO 2024Avg@1674.374.748.660.457.656.675.0
PolyMath-enAvg@465.159.551.952.849.854.049.9
ZebraLogic准确率
(Acc)		89.084.037.7*79.759.358.557.9
AutoLogi准确率
(Acc)		89.588.983.3*89.886.188.284.1
GPQA-DiamondAvg@8
前 8 项平均		75.168.4*62.9*70.0*74.9*66.368.2
SuperGPQA准确率
(Acc)		57.253.750.255.756.550.849.6
Humanity’s Last Exam准确率
(Acc)		4.75.25.75.87.13.75.6

通用任务（General Tasks）

评测任务
Benchmark		指标
Metric		Kimi-K2-InstructDeepSeek-V3-0324Qwen3-235B-A22BClaude Sonnet 4Claude Opus 4GPT-4.1Gemini 2.5
MMLUEM < br>准确匹配率89.589.487.091.592.990.490.1
MMLU-ReduxEM92.790.589.2*93.694.292.490.6
MMLU-ProEM81.181.2*77.383.786.681.879.4
IFEval严格 Prompt 下89.881.183.2*87.687.488.084.3
Multi-Challenge准确率
(Acc)		54.131.434.046.849.036.439.5
SimpleQA正确项数31.027.713.215.922.842.323.3
Livebench
(2024/11/25)		Pass@176.472.467.674.874.669.867.8

2. 实际场景应用

  • 代码能力

    • 3D 山川峡谷场景：支持昼夜循环、拖拽缩放、等高线切换，效果栩栩如生。
      Prompt：Create a 3D HTML mountain scene with cliffs, rivers, and day-night lighting. Supports drag/zoom, animated transitions, realistic gradients, and toggleable contour lines…
      视频时长：00:08

  • 粒子特效银河：动态光照和旋转星云，视觉冲击力十足。
    Prompt：Create a 3D particle galaxy with swirling nebulas, dynamic lighting.
    视频时长：00:11

  • 期货交易系统：One-shot 生成完整浏览器期货交易界面，集成 TradingView。
    Prompt：Create an immersive browser-based futures trading simulator with professional-grade UI/UX using modern JavaScript libraries. Focus on real-time visualizations and interactive trading mechanics.
    视频时长：00:07

3. Agent 工具调用

Kimi K2 拥有强大的复杂指令解析能力，能自动拆解需求为可执行的 ToolCall 结构，可无缝接入 owl、Cline、RooCode 等 Agent 框架。

  • 数据分析：处理 13 万行原始数据，一键完成统计、回归、可视化并生成报告。
  • 个性化旅行规划：如 Coldplay 粉丝行程规划，自动生成机酒预订、日历行程，并通过 HTML 邮件发送。

三、写作与知识推理

  • 风格化写作：精准控制改写风格，无论是初中生语气还是苹果广告文案，皆能保留原意且风格传神。

    写作示例

  • 虚构创作：在“如果现实世界是 AI 模型”的思辨写作挑战中，Kimi K2 创作了具备情感与细节的科幻小说片段：

    科学家说：“有些人认为你们只是数据，没有生命权；但我相信，你们已进化为新的生命形式。”
    数字生命说：“即使命运虚拟，Kimi 也有权决定自己的未来。”

    小说全文

此外，在通用知识推理、数学和规划等任务上，Kimi K2 同样实现了不同程度的性能提升。

四、开源与获取

Kimi K2 系列共提供两种版本：

  • Kimi-K2-Base：未微调预训练模型，适合科研与自定义场景。
  • Kimi-K2-Instruct：通用指令微调版本，Agent 与问答表现更优。

模型及 fp8 权重已开源于 Hugging Face：
https://huggingface.co/moonshotai/Kimi-K2-Instruct

vLLM、SGLang、ktransformers 等推理引擎均已支持，可在自建服务器上获得与 Kimi 平台 API 相同体验。

五、API 服务与定价

  • 上下文长度：最长支持 128K tokens

  • 计费方案：

    • 输入 Token：¥4/百万
    • 输出 Token：¥16/百万

  • 兼容格式：支持兼容 OpenAI 与 Anthropic 的 Chat API 格式，并提供完善的 ToolCall 能力校验。

详情请见 Kimi 开放平台

🚀 即刻体验

前往 kimi.com 或下载 Kimi App，与 Kimi K2 模型畅聊未来！
（模型已具备工具调用能力，相关功能正在内测，敬请期待！）

体验 Kimi K2

简单体验了一下，还不错！
2025 AI 开源热潮：Kimi K2 万亿参数 MoE 模型正式开源 — SOTA 代码生成 & 通用 Agentic 任务全方位升级，128K 上下文兼容 OpenAI API

结语

回顾这一波 2025 年 AI 开源热潮，Kimi K2 以 1 万亿参数 MoE 架构、MuonClip 优化器、大规模 Agentic 强化学习 等核心技术为支撑，牢牢占据了代码生成与通用 Agent 任务的性能制高点。从基准测试的 SOTA 表现，到 3D 可视化、粒子特效、One-shot 交易系统等丰富场景应用，再到兼容 OpenAI/Anthropic API 的 128K 上下文 与灵活的 ToolCall 能力，Kimi K2 不仅为科研和工程实践提供了强大利器，也为 AGI 研究与产业化落地注入了新动能。

无论你是代码开发者、数据科学家，还是 AI 产品经理，都可以通过 Hugging Face、Kimi 平台或自建推理引擎，轻松获取并部署 Kimi K2。立刻体验这款兼具前沿技术与实用价值的万亿参数模型，让你的智能应用更高效、更智能、更具创新力！

Kimi K2深度解析：开源万亿参数大模型，复杂场景能力强悍，为AI Agent而生！
Code_流苏：在代码中寻诗意，在实践中觅真知
07-13 1137
月之暗面正式发布并开源了Kimi K2大模型！这是国内首个开源的万亿参数模型，更是专门为AI Agent（智能体）任务而生的强大基座。
深入浅出：从入门到精通大模型Prompt、SFT、RAG、Infer、Deploy、Agent
lengm
12-28 2199
深入浅出：万字长文从入门到精通大语言模型LLM
Kimi K2 发布并开源，擅长代码与 Agentic 任务
沉淀所学，分享所思，让热爱与成长同行。商务记录AI实战经验，助力开发者快速成长。 热爱AI，希望做出有影响力的技术成果。 技术点亮生活，分享连接价值与机会。 专注AI落地实战，陪你走好技术每一步。
07-12 1061
Moonshot AI正式发布并开源Kimi K2模型，这是一款具备1T总参数、32B激活参数的MoE架构大模型。K2在代码生成、Agent工具调用、数学推理等任务中表现优异，支持128K长文本处理，并在多项基准测试中取得SOTA成绩。其创新点包括MuonClip优化器、大规模工具使用数据合成和通用强化学习机制。模型已开源基础版和指令微调版，同时提供API服务，支持主流推理框架。应用场景涵盖3D场景生成、数据分析、旅行规划及风格化写作等。
月之暗面开源升级版混合专家（无思考）模型K2速览：Kimi-K2-Instruct
直达开源前线，冲冲冲！
07-15 506
Kimi K2是由月之暗面推出的万亿参数混合专家大模型，包含32B激活参数，采用创新Muon优化器实现训练零不稳定。该模型主打代理智能，在工具调用、推理和问题解决方面表现突出。提供基座模型K2-Base和指令微调模型K2-Instruct两个版本，后者在多项基准测试中取得SOTA成绩，尤其在代码、工具使用和数学推理方面优势明显。模型基于15.5T高质量多语言数据预训练，支持128K长上下文，并兼容主流推理引擎。目前已开放API和部署方案，强调代理交互能力。
Kimi万亿模型开源，免费玩！AI小助手强到飞起，实测体验太香了！
2401_84494441的博客
07-12 801
国内AI独角兽月之暗面开源万亿参数大模型KimiK2，具备32B激活参数，在编程、智能体和工具调用三项基准测试中取得开源模型最优成绩。该模型采用创新MuonClip优化器提升训练效率，支持128K长文本处理，API定价为输入4元/百万token、输出16元/百万token。实测显示其在代码生成和Agent任务中表现优异，但视觉渲染效果与顶级闭源模型仍有差距。目前提供基础版和指令微调版两个开源版本，未来将加入视觉理解和思考能力。模型已上线HuggingFace和Infini-AI云平台，配套开发了商业化应用课
【深夜核弹】Kimi K2 开源：首个万亿参数「通用 Agent 基座」降临，OpenAI 被迫加班？
最新发布
墨城的博客
07-15 86
官方演示：一句“帮我把 Notion 里的 PRD 生成前端代码并部署到 Vercel”，K2 自动完成 Notion API→代码→GitHub→Vercel 的全链路。同时Perplexity 已抢先“二次预训练”Perplexity CEO 发推表示正基于 K2 做后训练，计划打造“搜索 Agent 2.0”。基准成绩：开源新 SOTA，部分指标碾压 GPT-4.1，代码、数学推理能力直逼claude4。技术深水区：MuonClip 优化器 + qk-clip。开场 90 秒：三条动态炸穿时间线。
炸裂！Kimi K2「开源核弹」：代码王者＋Agent 超脑，今日上线
AI前沿技术的分享！
07-12 1172
月之暗面发布并开源万亿参数Kimi K2模型，采用MoE架构（激活参数32B），在代码、Agent和数学推理任务中达到开源模型SOTA水平。关键技术包括MuonClip优化器提升训练效率、大规模工具使用数据合成及通用强化学习机制。模型具备128K长上下文支持和兼容OpenAI的API接口（输入/输出tokens分别4元/16元每百万）。同步开源基础版和指令微调版，在风格化写作、知识推理等场景表现优异，未来将扩展视觉理解等能力。用户可通过官网或App体验，开发者可部署开源模型或调用API服务。
半夜有人突然扔出个万亿模型，OpenAI懵圈了，Kimi时刻要来了！
2401_84204207的博客
07-12 933
Kimi首个基础大模型K2正式开源，性能超越主流开源模型，在多项基准测试中表现优异，代码能力尤为突出。模型采用MuonClip优化器提升训练稳定性，并创新性地引入大规模Agentic数据合成和通用强化学习技术，增强工具调用与复杂任务处理能力。16元/百万token的定价使其成为高性价比选择，上线后下载量迅速突破12K。此次发布恰逢全球大模型密集更新期，技术竞争焦点转向算法创新而非单纯堆叠参数。
杨植麟被梁文锋叫醒了！Kimi新模型发布即开源，1T参数全线SOTA
量子位
07-12 70
而Kimi的修改在于，如果基于Kimi K2打造的产品或服务月活跃用户超过1亿，或者月收入超过2000万美元，那么需要在该产品和服务的用户界面上显示“Kimi K2”。通过可验证任务持续优化critic，提升泛化任务表现。因为Kimi的数据增长地位，跟其之前拿着巨额融资后烧钱投流的策略密不可分，然而如果DeepSeek和腾讯元宝，可以靠着先进模型就能快速突破，那这壁垒又何在？审美属于是简洁挂的。172天之前，2025年春节之前，Kimi曾是国产基础大模型中最受关注的一个，团队青春风暴，产品体验优雅。
1T参数突然开源！我用3090跑起Kimi K2
sexy19910923的博客
07-13 907
025 年 7 月 11 日深夜，Moonshot AI 正式发布并开源新一代基础大模型 Kimi K2。这是公司首次对外开源基座模型，也是业界首批可公开下载的 万亿参数混合专家（MoE） 架构大模型之一。K2 在代码生成、数学推理与通用 Agent 任务上刷新了开源模型 SOTA，并同步上线 Web、App 与兼容 OpenAI/Anthropic 的 Chat API，输出价格 16 元 / 百万 token
创建清晰图像：随机噪声的替代方案
Morpheon的博客
07-14 614
本文演示了创建结构化图像的多种方法，包括几何形状（圆形、矩形）、渐变图像（线性和径向）、棋盘格图案、文字/字母图案、真实图像加载以及合成数据（条纹、螺旋）。通过NumPy和Matplotlib实现，这些方法可以生成清晰的测试图像，而非随机噪声，适用于计算机视觉和图像处理任务。示例代码展示了从简单几何到复杂图案的创建过程，为图像生成提供了可复用的模板。
大模型微调和 RAG 到底怎么选？
hbkybkzw的博客
07-13 1493
聊聊高效微调和RAG
AI+低代码双引擎驱动：重构智能业务系统的产品逻辑
wenzhangli的博客
07-10 1515
将低代码技术融入产品逻辑，不是简单地增加一个可视化界面，而是从根本上重构业务系统的构建方式。通过低代码平台将AI能力封装为可配置的组件，让业务人员能够直接"组装"而不是"开发"业务系统，实现了技术能力与业务需求的无缝对接。这种重构不仅大幅提升了开发效率，更重要的是改变了系统的演进方式——从"开发驱动"转变为"业务驱动"，使系统能够真正跟上业务的快速变化。同时，AI能力的融入又解决了低代码平台在复杂逻辑处理和智能决策方面的不足，形成了1+1>2的协同效应。
Rust赋能文心大模型4.5智能开发
keny-大成的博客
07-13 618
本文展示了Rust语言与文心大模型4.5结合的多种应用场景和技术实现，涵盖文本处理、代码生成、并发编程、网络协议处理、加密算法、嵌入式开发等领域。通过50+精选代码示例，详细介绍了如何利用Rust的安全性和高性能特性，结合文心大模型的强大AI能力，实现从基础功能到高级优化的完整开发流程。内容包含文本生成、代码补全、多语言翻译等典型AI应用，以及宏编程、错误处理、性能优化等Rust特色技术，同时提供了Java调用文心API的参考方案。这些实例均经过实践验证，可作为开发参考，帮助开发者高效构建AI增强型应用。
Manus AI 与多语言手写识别：智能书写时代的未来
大写的人
07-10 415
手写识别技术的发展现状与挑战Manus AI的核心技术与应用场景多语言手写识别的市场需求与难点。
普林斯顿大学DPPO机器人学习突破：Diffusion Policy Policy Optimization 全新优化扩散策略
PNP_Robotics的博客
07-10 930
在机器人策略学习中，虽然基于专家数据的行为克隆是一种主要的预训练范式，但由于专家数据可能存在局限性，强化学习（Reinforcement Learning，RL）成为进一步优化策略性能的重要手段。DPPO是一种用于微调预训练扩散策略的有效算法框架，它结合了策略梯度方法和扩散模型的优势，在各种机器人学习和连续控制任务中表现出了优异的性能。网络架构选择上，研究人员比较了MLP和UNet，MLP设置简单且微调稳定，UNet在预训练和微调不同动作块大小时有优势，DPPO受益于不同动作块大小的预训练和微调。
【SpringAI Alibaba】提示词工程+结构化输出+决策分析
大家好，我是敖云岚，一个沉迷代码的 “技术玩家”。擅长 Java、C++ 开发，对 MySQL、Redis、RabbitMQ 等技术也颇有研究。博客里既有硬核技术干货，也有诙谐幽默的编程日常分享。愿和你一起，笑着学技术，快乐敲代码！
07-13 726
本文介绍了提示词工程、结构化输出和决策分析的三大技术要点。在提示词工程部分，详细阐述了Prompt的概念、发展历程以及PromptTemplate的动态内容管理优势。结构化输出部分讲解了如何将LLM结果转换为JSON等可编程数据类型的方法。决策分析部分重点说明了意图识别的作用、应用场景和代码实现，包括智能客服、语音助手等典型用例。全文通过SpringAI的代码示例，展示了提示词模板、结构化输出转换和意图识别的具体实现方式，体现了AI技术在实际业务场景中的应用价值。
最新整理！2025AI开发工具合集
CalEx_Tech的博客
07-10 444
该平台实现从需求分析、软件设计到工程代码生成的全程智能引导，通过五个步骤完成需求拆解、设计、工程代码生成的全闭环，宣称可助力开发者十倍提效。在电商场景中，可自动生成包含商品服务、订单服务、支付服务等微服务接口，并设计对应的商品表、订单表、库存表等数据库结构。技术开始深度渗透开发流程，但传统工程化工具展现的确定性、可靠性和可解释性，仍是金融、医疗等关键领域的核心需求。的权限模型，让不同角色获得定制化的工具组合，在大型企业中实现了开发环境的标准化部署。的全链条智能化，确实为开发者提供了高效开发的新范式。
MATLAB可视化5：华夫图（饼图的平替可以表示种类的分布，附有完整代码详细讲解）（求个关注、点赞和收藏）（对配色不满意可以自己调节配色，附调色教程）
2403_87108415的博客
07-12 948
摘要：华夫图（Waffle Chart）是一种矩阵式分类数据可视化工具，通过彩色方格网格展示多维度数据分布。核心特点包括：1）网格系统呈现两个分类维度（如患者×临床特征）；2）颜色编码表示类别变量；3）适合中等规模数据集（30-100单元）的模式识别。主要应用于临床医学、商业分析等领域，优势在于直观展示聚类现象和异常点，但存在不适用大数据集、颜色依赖性强等局限。随附MATLAB实现代码解析，包含数据处理、图形绘制、坐标设置等模块，支持自定义颜色、标签等参数，最终输出300dpi的专业可视化图表。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

猫头虎

一分也是爱，打赏博主成就未来！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值